本發明公開了一種基于深度學習的高光譜圖像無損壓縮方法,解決了傳統方法光譜信息利用不充分和模型泛化能力低的問題。實現步驟包括:應用深度學習中循環神經網絡建立預測模型,對高光譜圖像中的每個像素進行預測訓練,生成預測圖像和預測網絡;對高光譜圖像和預測圖像做差,生成殘差圖像;對殘差圖像進行算術編碼,生成碼流文件;對碼流文件進行解碼得到解碼圖像;使用訓練好的網絡進行預測,得到預測圖像;將預測圖像與解碼圖像相加,得到原始的高光譜圖像。本發明將深度學習與傳統方法相結合,網絡中采用有記憶性結構的單元,通過大量的訓練,充分利用了光譜信息,增加了模型的泛化能力,提高了壓縮效率。應用在高光譜圖像壓縮領域。
聲明:
“基于深度學習的高光譜圖像無損壓縮方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)